deepmind|DeepMind打造AI游戏王！挑战各种最强棋牌AI，战斗力惊人( 三 )

当然，倾向于大量计算的方法会让拥有较少资源的初创公司、学术机构等组织处于劣势。在语言领域尤其如此，像OpenAI的GPT-3这样的大型模型已取得领先性能，但其通常需要数百万美元的资源需求，这远超大多数研究小组的预算。
即便是在DeepMind这样财力雄厚的公司，成本有时也会超过人们所能接受的水平。
对于AlphaStar，公司的研究人员有意没有尝试多种构建关键组件的方法，因为高管们认为训练成本太高。根据DeepMind披露的业绩文件，它在去年才首次盈利，年收入达到8.26亿英镑（折合约69亿人民币），获得4380万英镑（折合约3.67亿人民币）的利润。从2016年~2019年，DeepMind共计亏损13.55亿英镑（折合约113亿人民币）。

文章插图
据估计，AlphaZero的训练成本高达数千万美元。DeepMind没有透露Player of Games的研究预算，但考虑到每个游戏的训练步骤从数十万到数百万不等，这个预算不太可能低。
结语：游戏AI正助力突破认知及推理挑战目前游戏AI还缺乏明显的商业应用，而DeepMind的一贯理念是借其去探索突破认知和推理能力所面临的独特挑战。近几十年来，游戏催生了自主学习的AI，这为计算机视觉、自动驾驶汽车和自然语言处理提供了动力。
随着研究从游戏转向其他更商业化的领域，如应用推荐、数据中心冷却优化、天气预报、材料建模、数学、医疗保健和原子能计算等等，游戏AI研究对搜索、学习和博弈推理的价值愈发凸显。
“一个有趣的问题是，这种水平的游戏是否可以用较少的计算资源实现。”这个在Player of Games论文最后中被提及的问题，还没有明确的答案。
来源：VentureBeat，arVix